• 這段課程的主題是 R 繪圖，包含以下概念：
  • 基本繪圖原理
  • ggplot2
  • 實際案例練習

• 用範例學習：R Graphics by Paul Murrell
  • 著名的參考書，網路版免費
  • 選你想要畫的圖，看程式碼，然後修改
• The R Graph Gallery
  • 更多的範例
• 動手做：
  • Quick-R: Creating a Graph

attach(mtcars)
plot(wt, mpg) 
abline(lm(mpg~wt))
title("Regression of MPG on Weight")

hist(mtcars$mpg)

# 用 par() 來設定繪圖參數

par()              # 列出現有設定
opar <- par()      # 複製現有設定
par(col.lab="red") # 把座標軸說明改成紅色 
hist(mtcars$mpg)   # 用新設定繪圖 
par(opar)          # 回復原有設定

par(mfrow=c(1,2))  # 把繪圖區分割成 1x2 （一列，兩欄）
hist(mtcars$mpg)
hist(mtcars$wt)

• 基本繪圖
• 進階繪圖
• 繪圖基本參數
• 繪圖區域與邊界設定

ggplot2簡介

• 設計依據繪圖理論 grammar of graphics (Wilkinson, 2005)
• 由 Hadley Wickham 在 Iowa State 讀研究所時開發完成
• 高階語言（用人話叫機器畫圖）
• 高度彈性，可以用 theme system 美化外觀
• R 的第三繪圖系統 (前兩個是 base 和 lattice)
• 成熟而且完整的繪圖系統（可以透過 CRAN 安裝）
• 網站：http://ggplot2.org (完整的參考文件)
• 很多討論區可以問人

有些用途，用 ggplot2是不行的

• 3D 圖 (see the rgl package)
• 圖論的圖 (nodes/edges layout; see the igraph package)
• 互動圖 (see the ggvis package)

簡單的說，這個文法將統計繪圖視為一種由 資料 到 幾何物件 （點、線、多邊形）和 美學屬性 （顏色、形狀、大小）的 映射（mapping）

“In brief, the grammar tells us that a statistical graphic is a mapping from data to aesthetic attributes (colour, shape, size) of geometric objects (points, lines, bars). The plot may also contain statistical transformations of the data and is drawn on a specific coordinate system” —- from ggplot2 book

ggplot(data=mpg) +                   # 資料層
  aes(x=displ, y=hwy, color=drv) +   # 資料和圖形元件的映射
  geom_point()                       # 用「點」畫這張圖

將一張圖分割成各自獨立的元件，類似 XML 的概念，這些元件包括：

• data
• aesthetic mapping
• geometric object
• statistical transformations
• scales
• coordinate system
• position adjustments
• faceting

• “Artist’s palette” model
• 從一張空白的畫布開始
• 用 plot 函數 (或相似的函數) 初始化一張畫布
• 用修飾函數 (text, lines, points, axis) 來編修畫布
• 方便，直覺的反映資料分析的思維方式
• 繪圖等於一連串的 R 命令，需要先思考妥當再繪圖

• 圖形由單一函數來完成 (xyplot, bwplot, etc.)
• 最適合呈現變項間的關係: 當 \(y\) 與 \(x\) 改變時， \(z\) 的變化情形
• 座標軸等細節由系統自動設定
• 善於一次呈現多個圖
• 只有一個指令來繪圖，不夠方便、直覺

• A data frame：資料
• aesthetic mappings: 資料要如何對應到顏色、大小
• geoms: 幾何物件，例如 points, lines, shapes.
• facets: 條件圖會用到.
• stats: 統計轉換，例如 binning, quantiles, smoothing.
• scales: 美學映射的設定 (example: male = red, female = blue).
• coordinate system ：座標系統

• ggplot2 像 base 繪圖，像是在一張空白畫布上作畫（qplot 比較像 lattice）
• 一張圖由許多「圖層」組成：
  • 資料的圖形
  • 摘要
  • 描述及註記

mpg: 1999 - 2008年 38 個車款的燃油效率資料

require(ggplot2)
str(mpg)

## Classes 'tbl_df', 'tbl' and 'data.frame':    234 obs. of  11 variables:
##  $ manufacturer: chr  "audi" "audi" "audi" "audi" ...
##  $ model       : chr  "a4" "a4" "a4" "a4" ...
##  $ displ       : num  1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
##  $ year        : int  1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
##  $ cyl         : int  4 4 4 4 6 6 6 4 4 4 ...
##  $ trans       : chr  "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
##  $ drv         : chr  "f" "f" "f" "f" ...
##  $ cty         : int  18 21 20 21 16 18 18 18 16 20 ...
##  $ hwy         : int  29 29 31 30 26 26 27 26 25 28 ...
##  $ fl          : chr  "p" "p" "p" "p" ...
##  $ class       : chr  "compact" "compact" "compact" "compact" ...

qplot(displ, hwy, data = mpg)

qplot(displ, hwy, data = mpg, color = drv)

ggplot(data=mpg) +                   # 資料層
  aes(x=displ, y=hwy, color=drv) +   # 資料和圖形元件的映射
  geom_point()                       # 用「點」畫這張圖

qplot(displ, hwy, data = mpg, geom = c("point", "smooth"))

qplot(hwy, data = mpg, fill = drv)

qplot(displ, hwy, data = mpg, facets = . ~ drv)

qplot(hwy, data = mpg, facets = drv ~ ., binwidth = 2)

• 過敏原和氣喘的老鼠世代研究（cohort Study）
• Baltimore 兒童 (年齡 5—17)
• 持續氣喘，且在去年惡化
• 氣喘罹患率與室內環境的研究
• 身高體重指數 BMI 是否會影響 PM\(_{2.5}\) 與氣喘之間的關聯性？
• 近期研究發表: http://goo.gl/WqE9j8

• eno: Exhaled nitric oxide, eNO，測量氣喘的指標
• pm25: 空氣懸浮微粒含量（ppm）
• mopos: 老鼠是否過敏

str(maacs)

## 'data.frame':    750 obs. of  5 variables:
##  $ id       : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ eno      : num  141 124 126 164 99 68 41 50 12 30 ...
##  $ duBedMusM: num  2423 2793 3055 775 1634 ...
##  $ pm25     : num  15.6 34.4 39 33.2 27.1 ...
##  $ mopos    : Factor w/ 2 levels "no","yes": 2 2 2 2 2 2 2 2 2 2 ...

ggplot(data = maacs, aes(log(eno))) + geom_histogram()

# Alternative:
# qplot(log(eno), data = maacs)

ggplot(data = maacs, aes(log(eno), fill=mopos)) + geom_histogram()

# Alternative:
# qplot(log(eno), data = maacs, fill = mopos)

ggplot(data = maacs, aes(log(eno))) + geom_density()

# Alternative:
# qplot(log(eno), data = maacs, geom = "density")

ggplot(data = maacs, aes(log(eno), color=mopos)) + geom_density()

# Alternative:
# qplot(log(eno), data = maacs, geom = "density", color = mopos)

ggplot(data=maacs, aes(x=log(pm25), y=log(eno))) + geom_point()

#qplot(log(pm25), log(eno), data = maacs)

ggplot(data=maacs, aes(x=log(pm25), y=log(eno))) + geom_point(aes(shape=mopos))

#qplot(log(pm25), log(eno), data = maacs, shape = mopos)

ggplot(data=maacs, aes(x=log(pm25), y=log(eno))) + geom_point(aes(colour=mopos))

#qplot(log(pm25), log(eno), data = maacs, color = mopos)

ggplot(data=maacs, aes(log(pm25), log(eno))) + geom_point(aes(colour=mopos)) + geom_smooth()

#qplot(log(pm25), log(eno), data = maacs, color = mopos, geom = c("point", "smooth"))

ggplot(data=maacs, aes(log(pm25), log(eno))) + geom_point() + 
  geom_smooth() + facet_grid(.~mopos)

#qplot(log(pm25), log(eno), data = maacs, geom = c("point", "smooth"), 
#       facets = . ~ mopos)

• 標籤(Labels): xlab(), ylab(), labs(), ggtitle()
• 每個幾何物件 (“geom_xxx”) 都有參數可以修改
• 整張圖的屬性修改，可以使用 theme()
  • Example: theme(legend.position = "none")
• ggplot2 內建兩套「主題」
  • theme_gray(): 預設主題 (灰底)
  • theme_bw(): 黑白主題，較乾淨

g <- ggplot(maacs, aes(log(pm25), log(eno)))
g + geom_point(color = "steelblue", size = 4, alpha = 1/2)

g + geom_point(aes(color = mopos), size = 4, alpha = 1/2)

g + geom_point(aes(color = mopos)) + labs(title = "MAACS Cohort") + 
    labs(x = expression("log " * PM[2.5]), y = expression("log " * eNO))

g + geom_point(aes(color = mopos), size = 2, alpha = 1/2) + 
    geom_smooth(size = 4, linetype = 3, method = "lm", se = FALSE)

g + geom_point(aes(color = mopos)) + theme_bw(base_family = "Times")

testdat <- data.frame(x = 1:100, y = rnorm(100))
testdat[50,2] <- 100  ## Outlier!
plot(testdat$x, testdat$y, type = "l", ylim = c(-3,3))

g <- ggplot(testdat, aes(x = x, y = y))
g + geom_line()

g + geom_line() + ylim(-3, 3)

g + geom_line() + coord_cartesian(ylim = c(-3, 3))

• ggplot2 是非常強大的繪圖工具
  • Hadley Wickham 的 ggplot2 參考書
  • Winston Chang 的 R Graphics Cookbook 參考書
  • ggplot2 網站 (http://ggplot2.org)
  • ggplot2 論壇 (http://goo.gl/OdW3uB) （開發者為主）
• 有些圖需要使用 ggplot2 以外的套件
• 用範例學習：選你想要畫的圖，看程式碼，然後修改
  • R Graphics by Paul Murrell
  • The R Graph Gallery